Aquesta investigació aborda el tema del diseny d'algoritmes d'inferència gramatical per a llenguatges regulars, particularment el relacionat amb l'agrupament d'estats com element fonamental del procés d'inferència. Des del punt de vista teòric, s'estudia la fusió d'estats en les seues variants determinista y no determinista. Com a resultat d'aquest estudi es proposa una manera eficient de realitzar l'agrupament no determinista d'estats i es demostra que la 
inferència gramatical de llenguatges regulars basada en la fusió d'estats, tant determinista com no determinista, convergeix en el límit independentment de l'ordre en que es realitcen les fusions. La demostració es d'interés ja que entre altres conseqüències, permet afirmar la convergència en el límit de l'estratégia EDSM (Evidence Driven States Merging) que es coneguda en la literatura com un heurístic. Donat que la demostració considera també la inferència d'autómates no deterministes, el resultat obri la porta al desenvolupament d'algoritmes convergents que infereixen autómates no deterministes.

L'aspecte experimental d'aquesta investigació proposa un conjunt d'algoritmes d'inferència gramatical per llenguatges regulars, tots ells convergents en el límit. Aquestos algoritmes sorgeixen al aplicar diferents variants d'agrupament determinista o no determinista d'estats; els algoritmes busquen aprofitar l'informació que es pot obtindre a partir de les relacions d'inclusió entre els llenguatges per la dreta asociats als estats de tot autómata. Es proposen quatre algoritmes que realitcen fusió determinista i dos que realitcen fusió no determinista d'estats. Els resultats obtesos al comparar aquests nous algoritmes amb altres de referència com RPNI, red-blue o DeLeTe2 mostren que s'aconsegueix reduir significativament la mida de les hipòtesis que es produeixen, al mateix temps s'aconseguix tases de reconeixement comparables o lleugerament inferiors. També s'han obtes millores en la complexitat temporal dels nous algoritmes respecte als de referència.